ECMWF产品逐日降水客观预报业务系统

选用ECMWF格点场资料,用差分法、天气诊断、因子组合等方法构造能反映本地天气动力学特征的预报因子库,对预报因子和预报量进行线性（0,1）标准化处理,采用PRESS准则初选因子,用最优子集回归建立0~120 h降水预报方程,用多因子概率权重回归预测其降水概率。预报系统投入业务应用,检验证明预报效果较好,提供了有效的地市级客观预报指导产品。业务系统与MICAPS对接,实现全自动化,输出的预报产品客观、定量。

最优子集神经网络在武威气温客观预报中的应用

选取2003年3月1日至2008年12月31日20时的逐日ECMWF(欧洲中期天气预报中心)数值预报产品实况格点资料,使用差分法、天气诊断、因子组合等方法,构造出能反映本地天气动力学特征的预报因子库,采用PRESS(预测平方和)准则初选因子,逐步回归复选因子,最优子集回归精选因子,建立分月、分站点逐日最高、最低温度BP神经网络预报模型。模型业务试用结果表明:该BP神经网络预报模型具有较强的非线性处理能力,能较好地反映日极端温度的变化,0～120 h内的最高、最低温度平均预报准确率达较高水平,且对明显的升降温过程反应灵敏,升降温趋势和幅度预报较为准确,为0～120 h的城镇精细化温度预报提供了重要的技术支撑,同时也为ECMWF数值预报产品在温度的释用提供了一种好的思路和方法。

基于欧洲中心细网格预报资料和观测资料的浙江省春夏降水性质分类指标

利用浙江省2004～2013年3～8月Micaps(气象信息综合分析处理系统)地面填图数据和T–logP数据研究杭州、衢州和台州三市的阵雨和雷雨个例,同时选取能表征雷雨并能区分阵雨与雷雨的气象预报因子:对流有效位能、850 hPa与500 hPa的温差、K指数、地面2 m温度,用临近探空的分析方法和决策树的分类方法初步建立了一个适用于浙江省春夏季降水性质分类指标。利用欧洲中心(ECMWF)细网格预报资料,对历史样本和2016年春、夏季分别作了检验。结果表明:除去有降水预报误差个例后,指标TS(Threat Score)评分超过0.53,雷雨阵雨综合命中率达到71%,空报率阵雨(10%)小于雷雨(43%),在不同地区和季节稍有区别;同时对浙江省2016年春夏两次典型大范围阵雨雷雨过程进行预报,效果很好。此方法不仅可以依据预报数据在短期内做出精细化降水性质分类预报,在中长期预报上也有表现力。

最优子集回归在武威市降水预报中的应用

选用Micaps下发的ECMWF 0～120h格点场资料，使用差分法、天气诊断、因子组合等方法构造出能反映本地天气动力学特征的预报因子库。根据大气环流产生降水的物理机制不同，将天气形势分为西北气流型、西南气流型和不规则型3种，分别对预报因子和预报量进行线性0,1标准化处理，采用Press准则初选因子，最优子集回归建立武威市6个站点不同天气类型的0～120h降水预报方程，用多因子概率权重回归预测其降水概率。预报方程的降水和晴雨拟合率达0．742，0．783；投人业务试用后，0～120h降水和晴雨预报准确率孔达0．653，0．813，说明该预报模型对降水天气预报能力强，其预报能力超过或接近13常业务预报，为地市级客观预报提供了有效的指导产品。业务系统与MICAPS对接，实现全自动化，输出的预报产品客观。